Datasets for Social Good Projects

I was inspired to create this after taking many project-based CS and AI classes at Stanford, where I would spend more time finding data for a problem I actually cared about than writing the baseline algorithm.

The list is divided by sector, and each link has a (D), (T), or (C) next to it. (D) represents a dataset; (T) represents a tutorial; (C) represents an online challenge you can download data from and contribute knowledge to.

I am sure there are many great datasets I have missed. If you have datasets to add, please create a pull request!

Health

• Lung Cancer Early Detection Challenge (C)
• Predicting Blood Donations (D)
• Modeling Women's Health Care Decisions (C)
• New York Health Data Portal (D)
• Medicaid Adult Health: Diabetes Information (D)
• US Health Data Portal (D)
• State Medicaid Data (D)
• Youth Tobacco Legislation Data (D)
• US Chronic Disease Indicators (D)
• Broad Institute Cancer Programs Datasets (D)
• Medicare Data (D)
• Mental Health in Tech (C)
• UCI Student Alcohol Consumption Dataset (D)
• NIH Chest X-Ray Dataset (D)
• California Kindergarten Vaccinations (D)
• Classifying Breast Cancer Tumors (T)

Education

• Third Grade Reading Scores for San Mateo County (D)
• Wall Street Journal: Where it Pays to Attend College (D)
• Popular Online edX Courses from Harvard and MIT (D)
• World Bank Education Status Indicators (D)
• Cost of Higher Education in the US (D)
• Brazilian High School National Exam Scores (D)
• Indian Primary and Secondary Education Data (D)
• Visualize the State of Public Education in Colorado (C)
• National Student Loan Data System (D)
• 2010 Federal STEM Education Inventory Dataset (D)
• National School Lunch Assistance Program Data (D)

Environment

• Predicting Faulty Water Pumps in Tanzania (D)
• Air Quality and Pollution (D)
• Lead Testing in School Drinking Water (D)
• US Climate Data (D)
• Commercial Building Energy Dataset (D)
• ETH Zurich Electricity Consumption and Occupancy Dataset (D)
• US Energy Information and Administration Electric Power and Fossil Fuel Data (D)
• UN Greenhouse Gas Inventory Data (D)
• UN World Meteorological Organization Standard Normals (D)

Government

• Predicting US Presidential Election Outcomes (T)
• New York City Open Data (D)
• San Francisco Open Data (D)
• Austin Open Data (D)
• Seattle Open Data (D)
• Los Angeles Open Data (D)
• Denver Open Data (D)
• Bureau of Labor Statistics Employment Data (D)
• U.S. Census Bureau’s Small Area Income and Poverty Estimates (D)
• CIA World Factbook (D)
• USDA Food and Nutrition Service: SNAP Vendor Data (D)
• US Open Gov (D)
• American Factfinder (D)

Public Good

• City of Chicago Crime Data (D)
• US Traffic Data (D)
• East Palo Alto Homelessness Data (D)
• Global Terrorism Database (C)
• WorldBank World Development Indicators (D)
• Fake News Dataset (D)
• Credit Card Fraud Detection (D)
• Crime in India Dataset (D)
• Fatal Police Shootings in the US (D)
• Crimes Committed in France (D)
• Homelessness in USA (D)
• Modeling Bias in Age, Race, and Gender (T)
• Classifying Anti-Refugee Tweets (T)

Other Good Lists of Datasets

• https://www.datasciencecentral.com/profiles/blogs/great-github-list-of-public-data-sets
• https://ibmhadoop.devpost.com/details/data
• http://kevinchai.net/datasets
• https://www.kaggle.com/datasets
• http://archive.ics.uci.edu/ml/datasets.html?sort=nameUp&view=list
• https://github.com/rafalab/dslabs/tree/master/data